Question

我需要一点帮助，我需要找出负面词，比如＆＃34; not good＆＃34;，＆＃34; not bad＆＃34;然后确定情绪的极性（负面或正面）。除了处理否定之外，我做了一切。我只想知道如何将否定纳入其中。我该怎么做呢？

Answer 1

否定处理是一个相当广泛的领域，有许多不同的潜在实施。在这里，我可以提供示例代码来否定一系列文本，并以not_形式存储否定的uni / bi / trigrams。请注意，这里不使用nltk来支持简单的文本处理。

# negate_sequence(text)
#   text: sentence to process (creation of uni/bi/trigrams
#    is handled here)
#
# Detects negations and transforms negated words into 'not_' form
#
def negate_sequence(text):
    negation = False
    delims = "?.,!:;"
    result = []
    words = text.split()
    prev = None
    pprev = None
    for word in words:
        stripped = word.strip(delims).lower()
        negated = "not_" + stripped if negation else stripped
        result.append(negated)
        if prev:
            bigram = prev + " " + negated
            result.append(bigram)
            if pprev:
                trigram = pprev + " " + bigram
                result.append(trigram)
            pprev = prev
        prev = negated

        if any(neg in word for neg in ["not", "n't", "no"]):
            negation = not negation

        if any(c in word for c in delims):
            negation = False

    return result

如果我们在示例输入text = "I am not happy today, and I am not feeling well"上运行此程序，我们将获得以下unigrams，bigrams和trigrams序列：

[   'i',
    'am',
    'i am',
    'not',
    'am not',
    'i am not',
    'not_happy',
    'not not_happy',
    'am not not_happy',
    'not_today',
    'not_happy not_today',
    'not not_happy not_today',
    'and',
    'not_today and',
    'not_happy not_today and',
    'i',
    'and i',
    'not_today and i',
    'am',
    'i am',
    'and i am',
    'not',
    'am not',
    'i am not',
    'not_feeling',
    'not not_feeling',
    'am not not_feeling',
    'not_well',
    'not_feeling not_well',
    'not not_feeling not_well']

我们可能随后将这些三元组存储在一个阵列中，以便将来进行后退和分析。将not_字处理为您为其对应方定义的[情绪，极性]的负面。

Answer 2

我已经有一段时间从事情绪分析了，所以不确定这个区域的现状是什么，无论如何我从未使用过nltk。所以我不能指出你那里的任何东西。但总的来说，我认为可以说这是一个活跃的研究领域，也是NLP的重要组成部分。而且这肯定不是一个已经“解决”的问题。它是NLP更精细，更有趣的领域之一，涉及讽刺，sarcams，范围（否定）。通常，提出正确的分析意味着解释许多背景/领域/话语信息。这根本不是直截了当的。您可能需要查看此主题：Can an algorithm detect sarcasm。一些谷歌搜索可能会给你更多的信息。

总之;你的问题太宽泛了，无法提出具体的答案。

另外，我想知道你的意思是“除了处理否定之外，我做了一切”。你的意思是你发现了'消极'字样？您是否认为这些信息可以传达的内容远远超过“不”，“不”等字样？例如，考虑“你的解决方案不好”与“你的解决方案不是最理想的”。你究竟在寻找什么，以及在你的情况下什么就足够了，显然取决于应用的背景和领域。这可能不是你希望得到的答案，但我建议你做一些更多的研究（因为聪明的人已经在这个领域做了很多聪明的事情）。

Answer 3

这似乎与python中的一个穷人的单词否定操作相当不错。它绝对不是完美的，但在某些情况下可能有用。它需要一个伪造的句子对象。

def word_is_negated(word):
    """ """

    for child in word.children:
        if child.dep_ == 'neg':
            return True

    if word.pos_ in {'VERB'}:
        for ancestor in word.ancestors:
            if ancestor.pos_ in {'VERB'}:
                for child2 in ancestor.children:
                    if child2.dep_ == 'neg':
                        return True

    return False

def find_negated_wordSentIdxs_in_sent(sent, idxs_of_interest=None):
    """ """

    negated_word_idxs = set()
    for word_sent_idx, word in enumerate(sent):
        if idxs_of_interest:
            if word_sent_idx not in idxs_of_interest:
                continue
        if word_is_negated(word):
            negated_word_idxs.add(word_sent_idx)

    return negated_word_idxs

这样称呼它：

import spacy
nlp = spacy.load('en_core_web_lg')
find_negated_wordSentIdxs_in_sent(nlp("I have hope, but I do not like summer"))

情绪分析中的否定处理

3 个答案: